Un recente progetto in Corea del Sud ha acceso l’attenzione su un nuovo modo di finanziare infrastrutture per l’intelligenza artificiale: trasformare la capacità di calcolo in flussi di cassa predeterminati tramite contratti d’uso, e usare quelle entrate per garantire prestiti. La struttura annunciata prevede l’acquisto di GPU e infrastrutture da parte di un veicolo controllato da un investitore, con un accordo di fornitura a lungo termine verso un gruppo tecnologico che si è impegnato sui pagamenti.
La struttura dell’operazione in Corea del Sud e i numeri
Il mandato per organizzare il finanziamento è stato affidato a KB Kookmin Bank, incaricata di coordinare la struttura del prestito sindacato che dovrebbe coprire 10.700 miliardi di won di finanziamento su un progetto il cui costo complessivo è di 12.600 miliardi di won. Questo rapporto porta la quota di debito prevista a circa 84,9% del costo totale. Un veicolo, indicato come Asset Co., sarà l’acquirente delle GPU e delle infrastrutture; la gestione operativa dell’AI factory è assegnata a Naver Cloud, mentre il gruppo controllante, Naver, ha fornito una garanzia sui pagamenti della controllata fino a otto anni.
Come funzionano i flussi di rimborso
La logica alla base è simile al project finance: non è il patrimonio dell’investitore a rimborsare il debito, ma i ricavi generati dall’infrastruttura. In questo caso i flussi derivano da un contratto pluriennale di utilizzo della capacità di calcolo. Per i creditori la forza dell’operazione dipende dalla solidità del contratto, dalla qualità delle garanzie e dalla capacità dell’utilizzatore di onorare i pagamenti anche in scenari avversi.
Precedenti internazionali che chiariscono il profilo di rischio
Il modello non è del tutto nuovo: esempi internazionali mostrano come la stessa classe di attivi — GPU e contratti di fornitura di calcolo — possano ottenere condizioni creditizie molto diverse in base alla durata e alla prevedibilità dei ricavi. Un caso ha visto una linea fino a 8,5 miliardi di dollari garantita da infrastrutture di calcolo e dai contratti con clienti, ricevendo rating A3 da Moody’s e A (low) da DBRS. In un’operazione successiva, sempre nella stessa industria, è stata concessa una linea da 2,6 miliardi di dollari con caratteristiche diverse che ha ottenuto rating Ba2, a dimostrazione di come durata contrattuale e rischio di rinnovo impattino sul merito creditizio.
Variazioni nel profilo di rischio
La differenza principale tra le due strutture sta nella percentuale del rimborso legata a ricavi già vincolati rispetto a ricavi futuri da conquistare: se i contratti sottostanti sono mediamente triennali mentre la linea ha durata quinquennale, una porzione del rischio ricade sul rinnovo dei clienti o sulla vendita della capacità residua. Questo muta il rating e il rischio sopportato dai finanziatori.
Implicazioni per l’Italia: domanda, autorizzazioni e valore residuo delle GPU
Il caso coreano offre uno schema che potrebbe essere adattato in Italia, ma con vincoli specifici. Prima di tutto serve una domanda contrattualizzata: un operatore cloud o un gruppo industriale con bisogno stabile di calcolo può fungere da cliente ancorante. In secondo luogo, gli ostacoli normativi e autorizzativi e la scelta dell’architettura AI incidono sulla realizzabilità del progetto. Un osservatorio nazionale ha mappato investimenti e suggerito che la differenza tra annunci e progetti realizzati può essere significativa.
Va inoltre considerato il rischio tecnologico: una GPU continua a funzionare anche se diventa meno competitiva rispetto a nuove generazioni più efficienti. Questo può ridurre i canoni d’uso o il valore di rivendita al momento del disinvestimento, imponendo ai creditori scenari più cauti nella valutazione dei flussi futuri. Anche i costi energetici giocano un ruolo: senza alimentazione e raffreddamento adeguati la capacità promessa non è erogabile e margini e flussi si comprimono.
Per le startup e le scaleup l’interesse è evidente: poter accedere a capacità di calcolo come servizio consente di evitare l’onere dell’investimento iniziale. Tuttavia, per transformare questo vantaggio in finanziabilità servono contratti solidi, analisi dettagliata dei costi operativi e regole chiare sul trattamento contabile della società veicolo.
L’esperienza con KB Kookmin Bank, Brookfield, Asset Co. e Naver mostra che la combinazione di hardware, contratti pluriennali e garanzie può mobilitare grandi volumi di capitale per infrastrutture AI. La replicabilità dipende però dalla durata dei contratti, dalla qualità delle controparti e dalla gestione del rischio tecnologico ed energetico.
